지난 1년간 저희가 참여한 AI 도입 프로젝트에서 가장 자주 반복된 실패는 기술 문제가 아니었습니다. 데모는 훌륭했고, 파일럿 결과도 나쁘지 않았고, 계약도 무리 없이 체결됐습니다. 그런데 6개월 뒤 실사용자 수를 열어보면 처음 2주에 몰려 있고 그 뒤로는 거의 평평합니다.
원인을 되짚어보면 대개 계약 전에 묻지 않은 질문 한두 개로 수렴합니다. 한국어 출력 품질이 영어의 절반이었다거나, 우리 데이터가 어느 리전에 저장되는지 아무도 확인하지 않았다거나, 좌석당 과금이라 실제로 필요한 인원을 다 붙이면 예산의 세 배가 된다는 사실을 도입 후에 알게 된 경우입니다.
이 글은 그 질문들을 정리한 목록입니다. 해외에서 만든 AI 제품을 한국 조직에 붙일 때로 한정했고, 국내 벤더에게는 절반 정도만 해당됩니다.
해외 AI 제품이 유독 어려운 네 가지 이유
같은 제품을 미국 기업이 도입할 때와 한국 기업이 도입할 때 난이도가 다릅니다. 차이는 대부분 다음 네 곳에서 생깁니다.
- 한국어는 대개 ‘지원 언어 목록’에 있을 뿐입니다. 지원과 품질은 다른 문제입니다. 영어로 90점 나오는 요약 기능이 한국어에서 60점이 되는 일은 흔하고, 벤더는 이걸 먼저 말해주지 않습니다.
- 데이터 리전이 계약서에 없습니다. 제품 문서에는 ‘글로벌 인프라’라고만 적혀 있고, 실제 저장 위치는 물어봐야 나옵니다. 개인정보나 계약서를 넣는 용도라면 이 한 줄이 도입 가능 여부를 갈라놓습니다.
- 과금 단위가 한국 조직 구조와 잘 안 맞습니다. 좌석당 과금은 ‘담당자 몇 명만 쓰는’ 조직에 유리하고, 여러 부서가 조금씩 나눠 쓰는 조직에는 불리합니다.
- 지원 시간대가 겹치지 않습니다. 본사가 미국 서부면 우리 오전에 답이 오지 않습니다. 장애가 났을 때 이 시차는 체감 다운타임을 두 배로 만듭니다.
계약 전에 물어야 할 12가지
순서대로 물어볼 필요는 없지만, 아래 네 영역 중 어느 하나라도 답을 못 받으면 계약을 미루는 편이 낫습니다. 도입 후에 알게 되면 되돌릴 수 없는 항목들만 남겼습니다.
A. 데이터와 보안
- 우리가 입력한 데이터가 모델 학습에 사용됩니까? 계약서 몇 조 몇 항입니까? ‘학습에 쓰지 않습니다’라는 영업 담당자의 구두 답변은 근거가 아닙니다. DPA(데이터 처리 계약)나 이용약관의 조항 번호를 받아 두세요. 기본값은 학습에 사용하고 옵트아웃은 상위 플랜에서만 제공하는 제품이 아직 많습니다.
- 데이터는 물리적으로 어느 리전에 저장됩니까? 리전을 선택할 수 있습니까? 도쿄·싱가포르 리전을 고를 수 있는지가 실무에서 가장 중요합니다. 미국 단일 리전뿐이라면, 그 사실을 알고 도입하는 것과 모르고 도입하는 것은 완전히 다른 리스크입니다.
- 계약 종료 시 데이터 삭제는 며칠 안에, 어떤 증빙으로 확인됩니까? 삭제 확인서를 발급해 주는 벤더와 ‘정책에 따라 처리된다’고만 답하는 벤더가 있습니다. 내부 감사가 있는 조직이면 전자만 후보입니다.
B. 한국어와 현지 적합성
- 우리 업종 용어로 한국어 출력 테스트를 해볼 수 있습니까? 벤더가 준비한 데모 데이터가 아니라 우리 문서로 해야 합니다. 사내 용어 50개 정도를 넣고 돌려보면 판단이 30분 안에 끝납니다. 이걸 거절하는 벤더는 그 자체로 답입니다.
- UI 한국어화는 어디까지입니까? 사용자 화면만 한국어이고 관리자 설정 화면과 오류 메시지는 영어인 제품이 많습니다. 오류 메시지가 영어면 현업 문의가 전부 IT팀으로 몰립니다.
- 한국어 처리 시 토큰 소모가 영어 대비 몇 배입니까? 사용량 기반 과금이라면 이 배수가 곧 비용입니다. 한국어는 같은 내용에 토큰을 더 쓰기 때문에, 영어 기준 단가표를 그대로 예산에 넣으면 반드시 초과합니다.
C. 비용 구조
- 과금 단위가 좌석입니까 사용량입니까, 그리고 우리 사용 패턴에서 12개월 총액은 얼마입니까? 월 단가가 아니라 연 총액으로 물어야 합니다. 좌석당 과금이면 ‘1년 뒤 예상 좌석 수’를 넣은 금액까지 받아 두세요.
- 세금계산서 발행, 원화 결제, 연간 선불 계약이 가능합니까? 해외 카드 결제만 되는 제품은 규모가 커지면 회계에서 막힙니다. 도입 검토 초반에 확인하면 후보를 빠르게 줄일 수 있는 조건입니다.
- 다음 갱신 시 인상 상한이 계약서에 있습니까? 첫해 할인율이 큰 제품일수록 중요합니다. 2년차에 정가로 돌아오면서 예산이 두 배가 되는 패턴이 반복됩니다.
D. 운영과 이탈
- 장애 시 연락 채널과 응답 시간이 한국 업무시간(KST)에 어떻게 적용됩니까? SLA 문서의 ‘4시간 내 응답’이 벤더 현지 업무시간 기준인지 24시간 기준인지 확인해야 합니다. 전자라면 우리 오전 장애는 다음 날 처리됩니다.
- 데이터 내보내기 포맷은 무엇이고, 우리가 직접 실행할 수 있습니까? 벤더에게 요청해야만 내보낼 수 있는 구조는 이탈 비용을 벤더가 정하게 됩니다. API나 관리자 화면에서 직접 CSV/JSON을 뽑을 수 있어야 협상력이 유지됩니다.
- 지금 이 제품을 쓰는 한국 고객사가 있습니까? 레퍼런스 통화가 가능합니까? 한국 레퍼런스가 없다는 답도 유용한 정보입니다. 없다면 우리가 첫 고객이라는 뜻이고, 그에 맞는 할인과 지원을 요구할 근거가 됩니다.
어느 단계에서 무엇을 쓰는가
| 단계 | 여기서 확인할 질문 | 통과하지 못하면 |
|---|---|---|
| 후보 조사 | 8번(결제·세금계산서), 2번(리전) | 후보에서 제외 — 뒤로 갈수록 확인 비용이 커집니다 |
| 데모·PoC | 4번(우리 데이터 한국어 테스트), 5번(UI 한국어화) | PoC 중단. 여기서 걸러야 할 것을 계약 후에 발견하면 손실이 큽니다 |
| 견적·협상 | 6번, 7번, 9번(비용 3종) | 연 총액 재산정 후 재협상 |
| 계약 직전 | 1번, 3번, 10번, 11번 | 조항 추가 요구. 대부분 이 시점에는 반영해 줍니다 |
| 도입 후 90일 | 12번(레퍼런스), 실사용률 | 갱신 전에 교체 검토 시작 |
후보를 좁히는 데 시간을 덜 쓰는 방법
위 12개 질문은 후보가 2~3개로 좁혀진 다음에 쓰는 도구입니다. 실제로 시간이 가장 많이 드는 구간은 그 앞단, 즉 ‘어떤 제품이 있는지’를 파악하는 단계입니다. 이 단계는 검색으로 하면 며칠이 걸리고, 정리된 목록으로 하면 반나절이면 끝납니다.
- 카테고리별로 어떤 제품이 있는지부터 볼 때는 AI 제품 디렉토리가 빠릅니다. 업무 영역과 가격대로 걸러 볼 수 있습니다.
- 특정 제품의 한국 도입 조건(가격 구조, 한국어 지원, 확인 필요 항목)을 봐야 할 때는 제품별 도입 가이드를 먼저 보는 편이 벤더 미팅 준비 시간을 줄여줍니다.
- 한 카테고리 안에서 2~3개로 좁히는 단계에는 비교 자료가 필요합니다. 예를 들어 업무 자동화는 Workato·n8n·Make 비교, 고객 지원은 Zendesk AI·Yellow.ai·Kore.ai 비교, 데이터 플랫폼은 Databricks·Snowflake 비교가 정리돼 있습니다.
7번(12개월 총액)에 답하려면 절감액 추정이 필요한데, 이건 대개 내부 설득용 자료로도 그대로 쓰입니다. AI 도입 ROI 계산기에 인원과 시간만 넣으면 손익분기 시점까지 나옵니다. 무료이고 회원가입이 없습니다.
자주 반복되는 세 가지 실수
- 벤더가 준비한 데이터로 데모를 봅니다. 데모 데이터는 그 제품이 가장 잘하는 형태로 정제돼 있습니다. 우리 문서를 넣어보지 않은 데모는 ‘제품이 좋다’는 정보만 주고, ‘우리에게 맞다’는 정보는 주지 않습니다.
- PoC 성공 기준을 정하지 않고 시작합니다. 기준이 없으면 PoC는 항상 ‘가능성은 확인했다’로 끝납니다. 시작 전에 숫자로 적어야 합니다 — 예: 문서 100건 요약 시 재작업률 20% 이하.
- 도입 담당자만 검토합니다. 매일 쓸 부서가 검토에서 빠지면, 6개월 뒤 실사용률이 낮은 이유를 아무도 설명하지 못합니다. 4번 테스트는 실사용 부서 인원이 직접 해야 하고, 사내 AI 교육 설계와 함께 다뤄야 정착률이 올라갑니다.
정리
해외 AI 제품 도입에서 되돌릴 수 없는 결정은 대부분 계약 시점에 이미 끝나 있습니다. 12개 질문 중 2번(리전), 4번(우리 데이터 한국어 테스트), 7번(연 총액), 11번(내보내기) 네 개만이라도 계약 전에 서면으로 받아 두면, 실패 사례의 상당수는 사전에 걸러집니다.
제품 선정이 아니라 도입 구조가 문제인 경우도 적지 않습니다. 어떤 업무를 자동화할지, 조직을 어떻게 재배치할지가 정리되지 않은 상태에서는 어떤 제품을 골라도 결과가 비슷합니다. 그 단계라면 AI 에이전트 도입 전략과 사내 AI 교육을 먼저 보시길 권합니다. 직접 구축이 필요한 범위라면 IT 외주개발 비용 비교에 산정 기준을 정리해 두었습니다.
검토 중인 제품이 있고 12개 질문 중 답이 막히는 항목이 있다면, 문의로 보내주세요. 같은 카테고리에서 저희가 본 사례를 기준으로 어떤 항목을 더 봐야 하는지 알려드립니다.
※ 본문에서 참고 자료로 링크한 서핑베어 툴즈(surfingbear.ai)는 Divii가 운영하는 AI 도구·제품 정보 사이트입니다. 링크된 도구와 디렉토리는 무료로 공개돼 있으며, 별도의 광고 대가를 받고 게재한 링크가 아닙니다.
